| | | 無人駕駛(人工智能如何顛覆汽車雙色版) | 該商品所屬分類:工業技術 -> 汽車與交通運輸 | 【市場價】 | 662-960元 | 【優惠價】 | 414-600元 | 【介質】 | book | 【ISBN】 | 9787111611172 | 【折扣說明】 | 一次購物滿999元台幣免運費+贈品 一次購物滿2000元台幣95折+免運費+贈品 一次購物滿3000元台幣92折+免運費+贈品 一次購物滿4000元台幣88折+免運費+贈品
| 【本期贈品】 | ①優質無紡布環保袋,做工棒!②品牌簽字筆 ③品牌手帕紙巾
| |
版本 | 正版全新電子版PDF檔 | 您已选择: | 正版全新 | 溫馨提示:如果有多種選項,請先選擇再點擊加入購物車。*. 電子圖書價格是0.69折,例如了得網價格是100元,電子書pdf的價格則是69元。 *. 購買電子書不支持貨到付款,購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意,可以聯絡我們退款。謝謝。 | | | | 內容介紹 | |
-
出版社:機械工業
-
ISBN:9787111611172
-
作者:劉少山//李力耘//唐潔//吳雙//(美)瓊盧克·高迪...
-
頁數:182
-
出版日期:2019-01-01
-
印刷日期:2019-01-01
-
包裝:平裝
-
開本:16開
-
版次:1
-
印次:1
-
字數:173千字
-
本書由百度硅谷一線工程師和IEEE計算機協會**聯袂編著,作者團隊在各自的領域造詣深厚,有著豐富的無人駕駛汽車技術研究開發經驗,很適合作為無人駕駛/自動駕駛/智能車輛總體認識和技術入門圖書來閱讀。本書由吉林大學馬芳武教授無人駕駛團隊翻譯。
-
《無人駕駛:人工智能如何顛覆汽車》是為從事無人駕駛車輛(智能網聯汽車)開發相關工作人員的入門技術書。作者分享了他們打造無人駕駛車輛繫統的實踐經驗。本書由9章組成,第1章概述了無人駕駛繫統;第2章著重介紹無人駕駛車輛定位技術;第3章討論了傳統的環境感知技術;第4章討論基於深度學習的環境感知技術;第5章介紹了行為預測和路徑規劃技術;第6章著重介紹運動決策、規劃與控制子繫統的反饋控制;第7章介紹基於增強學習的規劃和控制技術;第8章深入研究無人駕駛客戶端繫統的設計細節;第9章詳細介紹了無人駕駛雲平臺。
本書對在校學生、研究人員和相關從業人員都大有益處。無論你是本科生還是研究生,隻要對無人駕駛感興趣,都可以在這裡找到無人駕駛技術的全面介紹。
-
劉少山博士是PerceptIn的主席和創始人之一,他的研究重點是計算機架構、大數據平臺、深度學習基礎框架和機器人技術,他曾擔任百度硅谷無人駕駛繫統團隊負責人。
李力耘博士現於百度硅谷研究中心擔任軟件架構師。作為百度無人駕駛團隊的早期成員之一,他一直在主導和推進其無人駕駛技術的開發,包括百度無人駕駛車輛的智能行為決策、運動規劃和車輛控制等。
唐潔博士現擔任華南理工大學計算機科學與工程學院副教授。
吳雙博士現為Yitu公司科學家,曾擔任百度硅谷人工智能實驗室高級研究員,在百度USDC擔任高級架構師。
瓊盧克﹒高迪奧特(Jean﹣Luc Gaudiot)博士目前擔任加州大學歐文分校電子工程和計算機科學繫教授,他曾擔任IEEE內部多種職位,並於2017年當選為IEEE計算機協會主席。
-
第1 章無人駕駛繫統簡介 1.1 無人駕駛技術概述/ 002 1.2 無人駕駛算法/ 002 1.2.1 傳感/ 003 1.2.2 感知/ 004 1.2.3 目標識別與跟蹤/ 006 1.2.4 決策/ 006 1.3 無人駕駛客戶端繫統/ 008 1.3􀆰 1 機器人操作繫統/ 008 1.3􀆰 2 硬件平臺/ 011 1.4 無人駕駛雲平臺/ 011 1.4.1 仿真模擬/ 011 1.4.2 高精度地圖生成/ 012 1.4.3 深度學習模型訓練/ 013 1.5 一切剛剛開始/ 014 第2 章無人駕駛車輛的定位繫統 2.1 采用**導航衛星繫統定位/ 015 2.1.1 GNSS 概述/ 015 2.1.2 GNSS 誤差分析/ 017 2.1.3 星基增強繫統/ 018 2.1.4 載波相位差分技術和差分GNSS / 019 2.1.5 **點定位/ 020 2.1.6 **定位繫統和慣性導航繫統的融合/ 022 2.2 采用激光雷達和高精度地圖定位/ 023 2.2.1 激光雷達概述/ 023 2.2.2 高精度地圖概述/ 026 2.2.3 激光雷達和高精度地圖定位/ 030 2.3 視覺裡程計/ 034 2.3.1 立體視覺裡程計/ 035 2.3.2 單目視覺裡程計/ 036 2.3.3 視覺慣性裡程計/ 036 2.4 航位推算和輪式裡程計/ 038 2.4.1 輪式編碼器/ 038 2.4.2 輪式裡程計誤差/ 039 2.4.3 減少輪式裡程計誤差/ 040 2.5 多傳感器融合/ 042 2.5.1 卡內基梅隆大學無人駕駛城市挑戰賽車Boss / 042 2.5.2 斯坦福大學無人駕駛城市挑戰賽車Junior / 044 2.5.3 梅賽德斯-奔馳無人駕駛車Bertha / 045 參考文獻/ 047 第3 章無人駕駛的感知繫統 3.1 概述/ 051 3.2 數據集/ 052 3.3 目標識別/ 054 3.4 語義分割/ 056 3.5 立體視覺、光流和場景流/ 058 3.5.1 立體視覺與深度信息/ 058 3.5.2 光流/ 059 3.5.3 場景流/ 059 3.6 目標跟蹤/ 061 3.7 總結/ 063 參考文獻/ 064 第4 章深度學習在無人駕駛感知繫統中的應用 4.1 卷積神經網絡/ 068 4.2 目標檢測/ 069 4.3 語義分割/ 072 4.4 立體視覺和光流/ 075 4.4.1 立體視覺/ 075 4.4.2 光流/ 076 4.5 總結/ 079 參考文獻/ 080 第5 章預測與路徑規劃 5.1 規劃與控制模塊概覽/ 082 5.1.1 架構: 廣義上的規劃與控制/ 082 5.1.2 各個模塊的範圍:以模塊的方式解決問題/ 084 5.2 交通預測/ 087 5.2.1 將行為預測作為分類問題/ 088 5.2.2 車輛軌跡生成/ 093 5.3 車道級的路徑規劃/ 094 5.3.1 為路徑規劃創建權重有向圖/ 096 5.3.2 典型的路徑規劃算法/ 098 5.3.3 規劃圖損失: 強弱路徑規劃/ 102 5.4 總結/ 103 參考文獻/ 103 第6 章決策、規劃和控制 6.1 行為決策/ 105 6.1.1 馬爾可夫決策過程方法/ 107 6.1.2 基於場景的分治法/ 109 6.2 運動規劃/ 116 6.2.1 車輛模型、道路模型、SL 坐標繫/ 118 6.2.2 劃分為路徑規劃和速度規劃的運動規劃/ 119 6.2.3 劃分為縱向規劃和橫向規劃的運動規劃/ 126 6.3 反饋控制/ 130 6.3.1 自行車模型/ 130 6.3.2 PID 控制/ 132 6􀆰 4 總結/ 133 參考文獻/ 134 第7 章基於增強學習的規劃和控制 7.1 概述/ 136 7.2 增強學習/ 138 7.2.1 Q⁃學習/ 140 7.2.2 ACTOR⁃CRITIC 方法/ 144 7.3 無人駕駛中基於學習的規劃和控制/ 146 7.3.1 行為決策中的增強學習/ 147 7.3􀆰.2 基於增強學習的規劃和控制/ 147 7.4 總結/ 150 參考文獻/ 150 第8 章無人駕駛客戶端繫統 8.1 無人駕駛繫統: 一個復雜的繫統/ 152 8.2 無人駕駛的操作繫統/ 154 8.2.1 ROS 綜述/ 154 8.2.2 繫統可靠性/ 156 8.2.3 性能優化/ 157 8.2.4 資源管理與安全性/ 157 8.3 計算平臺/ 158 8.3.1 計算平臺的實現/ 158 8.3.2 現有的計算解決方案/ 159 8.3.3 計算機體繫結構設計的探索/ 160 參考文獻/ 164 第9 章無人駕駛雲平臺 9.1 概述/ 165 9.2 基礎架構/ 166 9.2.1 分布式計算框架/ 167 9.2.2 分布式存儲/ 167 9.2.3 異構計算/ 168 9.3 仿真模擬/ 170 9.3.1 BinPipeRDD / 171 9.3.2 連接ROS 與Spark 引擎/ 172 9.3􀆰 3 性能表現/ 173 9.4 模型訓練/ 173 9.4.1 為什麼使用Spark 引擎/ 174 9.4.2 訓練平臺架構/ 175 9.4.3 異構計算/ 176 9.5 高精度地圖生成/ 176 9.5.1 高精度地圖/ 177 9.5.2 雲端地圖生成/ 178 9.6 總結/ 179 參考文獻/ 179
| | | | | |